“valoración económica del impacto de la temperatura y ...€¦ · 2010 2014 2018 2022 2026 2030...

“VALORACIÓN ECONÓMICA DEL IMPACTO DE LA TEMPERATURA Y LA

PRECIPITACIÓN EN LA PRODUCCIÓN DE PAPA EN LA CUENCA DEL RÍO SANTA”.

Vanessa Leslie Bolivar PaypayUniversidad Nacional Agraria La Molina

27 de Junio de 2012

¿En qué medida la temperatura y laprecipitación afectan la producción depapa en la cuenca del río Santa?

¿Un posible futuro cambio de climagenerará solo pérdidas para laagricultura o también podrágenerar beneficios?

Si no se conocen esos costos ¿cómo sejustifica el gasto en medidas deadaptación?

¿Las medidas actuales de CC enel Perú son eficientes?

Distritos más afectados

Introducción

Carhuaz, Mayo 2011.

Ciclos de siembra de papa

Introducción

Las tierras con uso agrícola a nivel de la cuenca del río Santa ocupan aproximadamente 77 300 Hectáreas (773 Km2) , es decir el 6.6% de sus superficie.

Principales cultivos de la cuenca del Santa.

La mayor parte de este tipo de actividad en la zona andina se realiza en secano (riego a través de lluvias estacionales). La infraestructura de riego es limitada y consta principalmente de canales de tierra no revestidos muchos de los cuales se encuentran abandonados por lo que la agricultura de autoconsumo.

Objetivo General

Realizar una evaluación de los impactos económicos de la temperatura y precipitación en el cultivo de papa de la Cuenca del río Santa

Objetivos específicos

Determinar la relación entre el cultivo de papa y las variables de temperatura y precipitación, Estimar el cambio en los beneficios económicos de los agricultores como consecuencia de variaciones en la temperatura y precipitación hasta el año 2100 en la Cuenca del río Santa, teniendo en cuenta los escenarios climáticos A2 y B2 del IPCC.

Antecedentes

Máxπ =∑P*Q(Tmax, Tmin , PP , Pr , Sc)

Donde:π: Beneficio total neto del agricultorP: Precio real en chacra del cultivo de papaQi: es una función de producción para el cultivo de papaTmax: Temperatura máxima anual (mensual).Tmin: Temperatura mínima anual (mensual).PP : Precipitación total anual (mensual).Pr: Precio real en chacra del cultivo(anual).Sc: Superficie cosechada del cultivo.

FUENTE: Elaboración propia

Modelo Ricardiano aplicado a la agricultura

Metodología

Identificación de variables

Diseño de investigación

Recolección de datos.

Procesamiento de análisis de datos

Desarrollo del modelo de regresión

Validación y selección del modelo de

regresión

Validación del modelo PRECIS

Creación de escenarios climáticos Delta Change

Determinación del cambio de beneficios en los agricultores

Visita de reconocimiento a la

zona en estudio.

Visita de reconocimiento

Identificación de variables

Variable DependienteBeneficio de los Agricultores

(Nuevos soles)

Variable IndependienteTemperatura máxima y mínima (°C)

Precipitación (mm)Precio real en chacra del cultivo (S/. Kg)

Superficie cultivada (Ha)Producción de papa (TM)

Diseño de investigación

Departamento Provincia Distrito Parte de la Cuenca Altitud

Ancash Pallasca Cabana Alta 3300

Ancash Huaylas Caraz Media 2256

Ancash Yungay Yungay Media 2458

Ancash Carhuaz Carhuaz Media 2633

Ancash Recuay Recuay Alta 3324

Ancash Bolognesi Chiquián Alta 3374

La Libertad Santiago de Chuco Cachicadán Media 2890


Recolección de datos

Período: 1997-2010[1]Parámetros:Producción (Toneladas)Superficie cosechada (Ha)Precio en chacra (S/. Kg.)

[1] MINAG y la Dirección Regional Agraria

Información agrícola

Periodo: 1997-2010Parámetros:Datos totales diarios de precipitación a 7horas y a 19 horas Temperaturas extremas diarias, máximas y mínimas.Estaciones:Recuay,Chiquián,Yungay,Cabana,Cachicadán

Fuente: SENAMHI

Información meteorológica

•PP total mensual enero y febrero

•PP total anual

•Temp. Máx y Min. Mensual de enero y febrero

•Temp. Máx y Min. anual

Procesamiento de análisis de datos

Análisis de doble masa

Análisis estadístico

Análisis visual gráfico

Modelos desarrollados

Modelos PanelDesarrollados

Modelo deProducción

Modelo derendimientos

Modelo del termoperíodo

Q: f( tmax, tmin, pp,preal, scose)

Donde: Q: Producción en TM

Q: f( tmax, tmin, pp,preal, scose)

Donde: Q: Rendimientos en TM/Ha

Q: f( termoperíodo, pp,preal, scose)

Donde: Q: Producción en TM

Modelo panel pooled

ititit eXY ++= ´βαDonde i significa la i-ésima unidad transversal y t es el tiempo.

La mejor especificación para los modelos panel desarrollados es el modelo integrador o Pooled- panel. Este modelo tiene la ventaja de disponer de una mayor cantidad de datos, menos colinealidad entre variables, más grados de libertad, y por tanto, incrementa la precisión de los estimadores.

Selección del modelo de regresión

Cuadro 1. Comparación de Modelos1/ Pooled para el modelo de producción de papa en la cuenca del río Santa.

(I) (II) (III) (IV) (V) (VI)

PDPAPA PDPAPA PDPAPA PDPAPA PDPAPA PDPAPA

C ‐3594.590(0.0001)

‐3049.261(0.0044)

‐5952.147(0.8557)

‐3302.526(0.7852)

‐5840.595(0.1385)

‐6009.066 (0.3120)

SPAPA 11.56696(0.0000)

11.49609(0.0000)

11.07689(0.0000)

11.01426(0.0000)

11.68613(0.0000)

11.70704(0.0000)

PPAPA(‐2) 431.6632(0.0002)

336.9732(0.0047)

28.87159(0.7621)

‐23.58311(0.7761)

257.8103(0.0620)

254.7716(0.0904)

TMIN ‐53.32646(0.0014)

‐42.90810(0.0046)

‐63.3215(0.0008)

‐50.14346(0.0064)

TMIN2 ‐3.70307(0.0654)

‐2.781212(0.1255)

4.664550(0.0584)

3.442887(0.1567)

TMAX 253.0041(0.0000)

205.8706(0.0000)

321.2716(0.0004)

297.6485(0.0001)

TMAX2 6.1623699(0.0000)

‐5.118788(0.0000)

‐7.300504(0.0001)

‐6.714117(0.0000)

PP 0.419013(0.0580)

‐0.006422(0.8703)

0.394107(0.0647)

‐0.010694(0.7343)

0.519575(0.0470)

‐0.031479(0.4932)

PP2 ‐0.000282(0.0658)

‐0.000237(0.0628)

‐0.000376(0.0252)

AR(1) 1.056236(0.000)

1.056089(0.0000)

1.008122(0.0000)

1.012944(0.0000)

1.032642(0.0000)

1.027593(0.0000)

R2 0.99 0.99 0.98 0.98 0.99 0.99

R2 ajustado 0.99 0.99 0.97 0.98 0.99 0.99

Criterio Akaike 14.48 14.49 14.85 14.87 14.51 14.53

Criterio Schwarz 14.78 14.77 15.09 15.08 14.75 14.76

Estad. Durbin Watson 2.14 2.28 2.49 2.56 2.14 2.19

Prob(F‐statistic) 0.00 0.00 0.00 0.00 0.00 0.00

Signos de las variables

Significancia estadìstica de las variables

Validación del modelo de regresión

Gráfico de residuos

Porcentaje de error absoluto

= 0,0289722

Validación del modelo Precis

Indicadores estadísticos de desempeño.

FUENTE: Delgado 2011.

0.00

50.00

100.00

150.00

200.00

250.00

ENERO

FEBR

ERO

MARZO

ABR

IL

MAYO

JUNIO

JULIO

AGOSTO

SEPTIEMBR

E

OCTUBR

E

NOVIEM

BRE

DICIEMBR

E

Precipitación men

sual (mm)

Meses

ESTACIÓN

PRECIS

Validación del modelo Precis

Escenarios climáticos empleados del IPCC

Características de los escenarios climáticos.

Escenario A2 B2

Crecimiento de la Población Alto Medio

PBI Medio Medio

Uso de energía Alto Medio

Cambios de uso de suelo Medio/Alto Medio

Disponibilidad de recursos Bajo Medio

Ritmo y dirección tecnológica Lento Medio

Preferencia al cambio Regional Dinámico como

siempre

FUENTE: IPCC 2007

Creación de escenarios climáticos-método de Delta Change

Escenarios A2 Promedio

Delta ChangeTemperatura Máxima (ºC)

1970-1990 11,402011-2040 12,74 1,342040-2070 14,19 2,792070-2100 16,48 5,08

Delta Change de Temperatura Máxima (ºC) para el escenario A2


Delta ChangePrecipitación

(%)1970-1990 2582,382011-2040 2425,91 -6,062040-2070 2428,18 -5,972070-2100 2432,44 -5,81

Delta Change de Precipitación (%) para el escenario A2


Delta ChangeTemperatura Mínima(ºC)

1970-1990 1,502011-2040 -6,00 -7,492040-2070 4,50 3,012070-2100 6,53 5,04

Delta Change de Temperatura Mínima (ºC) para el escenario A2

Escenarios B2 PromedioDelta ChangeTemperatura Máxima(ºC)

1970-1990 11,402011-2040 12,66 1,262040-2070 13,37 1,972070-2100 15,43 4,03

Escenarios B2 PromedioDelta ChangePrecipitación

(%)1970-1990 2582,382011-2040 2513,35 -2,672040-2070 2455,35 -4,922070-2100 2464,56 -4,56

Escenarios B2 PromedioDelta ChangeTemperatura Mínima(ºC)

1970-1990 1,502011-2040 -6,00 -7,502040-2070 3,87 2,372070-2100 5,32 3,83

Delta Change de Temperatura Máxima (ºC) para el escenario B2

Delta Change de Precipitación (%) para el escenario B2

Delta Change de Temperatura Mínima (ºC) para el escenario B2

Creación de escenarios climáticos-método de Delta Change

Resultados

1. Relación entre la producción del cultivo de papa y las variablesde temperatura y precipitación.

Modelo de panel de producción

Donde:

Variable dependiente: PROD

Variable CoeficienteError estandard t-Estadistico Prob.

C -5840.595 3897.253 -1.498644 0.1385SCOSE 11.68613 0.215847 54.14089 0.0000

PREAL(-2) 257.8103 135.9102 1.896917 0.0620TMAX_ANUAL 321.2716 86.86204 3.698642 0.0004

TMAX_ANUAL^2 -7.300504 1.733219 -4.212108 0.0001PPTOTAL 0.519575 0.256843 2.022925 0.0470

PPTOTAL^2 -0.000376 0.000164 -2.288891 0.0252AR(1) 1.032462 0.050698 20.36492 0.0000

Estadísticos

R-cuadrado 0.990981Promedio de la variabledependiente 13.25786

R-cuadrado ajustado 0.990066F-estadístico 1083.071 Durbin-Watson estadístico 2.078411Prob(F-estadístico) 0.000000

Resultados

Resultados de la regresión del Modelo panel de producción.

1/ En estas estimaciones se incluyó la opción de MCG: Cross-Section Sur y los errores robustos: White Cross- Section brindado por Eviews7.


Producción de papa versus temperatura máxima en la cuenca del Río Santa según modelo panel de producción.

Resultados


Producción de papa versus precipitación total anual en la cuenca del Río Santa según modelo panel de producción.

Resultados

Tasa de descuento0,005 0,02 0,04

Año

s

2011‐2040 ‐2.649.467,22 ‐1.968.392,07 ‐1.357.073,10

2040‐2070 ‐11.099.302,69 ‐5.463.434,93 ‐2.208.490,17

2070‐2100 ‐17.742.032,20 ‐5.838.785,71 ‐1.396.177,72

2011‐2100 ‐31.490.802,11 ‐13.270.612,71 ‐4.961.740,99

Estimación final de las pérdidas económicas por períodos a precios constantes (S/.)de la producción de papa en la cuenca del río Santa, escenario A2 para el Modelo panel de producción.

Resultados

0.000

50.000

100.000

150.000

200.000

250.000

300.000

350.000

400.000

450.000

2010

2014

2018

2022

2026

2030

2034

2038

2042

2046

2050

2054

2058

2062

2066

2070

2074

2078

2082

2086

2090

2094

2098

Prod

ucción

(TM

)

Años

Producción del cultivo de papa estimado para el año 2100, según Modelo panel de producción escenario A2.


Año

s

2011‐2040 ‐2.504.417,08 ‐1.864.031,52 ‐1.288.974,13

2040‐2070 ‐8.678.280,88 ‐4.306.160,49 ‐1.760.157,59

2070‐2100 ‐17.160.170,06 ‐5.608.573,16 ‐1.327.847,18

2011‐2100 ‐28.342.868,02 ‐11.778.765,17 ‐4.376.978,89

Estimación final de las pérdidas económicas por períodos a precios constantes (S/.)de la producción de papa en la cuenca del río Santa, escenario B2 para el Modelo panel de producción.

Resultados

Producción del cultivo de papa estimado para el año 2100, según Modelo panel de producción escenario B2.

Resultados

Modelo de panel de termoperíodo

Conclusiones

Se seleccionaron dos modelos finales, el modelo panel de producción-ecuación número 5 y el modelo de termoperíodo-ecuación número 2.

Para el año 2100 bajo un escenario climático A2 del IPCC, se estima que los agricultores del cultivo de papa en la cuenca del río Santa tendrían pérdidas económicas equivalentes a 31 490 802,11 nuevos soles considerando una tasa de descuento de 0,005 y de 13 270 612,71 y 4 961 740 99 nuevos soles para tasas de descuento de 0,02 y 0,04 respectivamente.

Para el año 2100 bajo un escenario climático B2 del IPCC, se estima que los agricultores del cultivo de papa en la cuenca del río Santa tendrían pérdidas económicas equivalentes a 28.342.868,02 nuevos soles considerando una tasa de descuento de 0,005 y de 11.778.765,17 y 4.376.978,89 nuevos soles para tasas de descuento de 0,02 y 0,04 respectivamente.

Conclusiones

Para el año 2100 se estimó una reducción del 100% de los beneficios de los agricultores de papa de la cuenca del río Santa con respecto al año 2010, mientras que para el año 2070 se reduciría en un 99% para un escenario A2 y en un 71,5% para un escenario B2, por su parte para el año 2040 se tendría una reducción de 23,9% en un escenario A2 y de un 22,4% en un escenario B2.

Bajo un escenario A2 del IPCC las pérdidas económicas estimadas para el cultivo de papa en la cuenca del río Santa serían en promedio mayores en un 11% a las estimadas para un escenario B2 del IPCC.

Conclusiones

La temperatura máxima tuvo una mayor influencia que la precipitación en la producción del cultivo de papa en la cuenca del río Santa.

Existe una relación de concavidad entre la producción del cultivo de papa en la cuenca del Río Santa y las variables climáticas de temperatura máxima y precipitación, la temperatura mínima del cultivo no tiene una mayor influencia en la producción.

RecomendacionesEl estudio tuvo ciertas limitaciones con la disponibilidad de datos meteorológicos y agrícolas en la cuenca del río Santa por lo cual se optó por trabajar con datos panel. Esto se debió a la escasez de estaciones meteorológicas con data completa, histórica y confiable para la zona en estudio. Si bien la Dirección Regional Agraria de Ancash tiene un proyecto de implementación de nuevas estaciones automáticas agro meteorológicas. Se recomienda mayor inversión del gobierno local y regional en este tema para la realización de futuros estudios.

Se recomienda el empleo del modelo Regional PRECIS para pronósticos de precipitación y temperatura máxima en la zona de la cuenca del río Santa, dado que fue validado para la zona en estudio. Sin embargo sería conveniente realizar posteriores estudios empleando data de otros modelos de clima regionales validados para Sudamérica tales como Eta CCS, RegCM3 and HadRM3P para el escenario de altas emisiones A2( Marengo et al.2009). Dado que en el campo de los escenarios existe aún muchas incertidumbres, por lo que una mayor cantidad de posibles estimaciones contribuyen a la investigación científica.Se recomienda realizar las proyecciones al 2100, considerando un análisis de la evolución de los precios reales en chacra del cultivo de papa durante el periodo 1997-2010, para posteriormente comparar dichos resultados con los obtenidos en el presente estudio en el cual consideramos los precios constantes año base 2010.

La variantes empleada del modelo ricardiano a la agricultura podría ser aplicable para otros zonas dentro del Perú con una climatología similar a la cuenca del río Santa.

Se recomienda considerar las variedades del cultivo de papa para futuros estudios, dado que cada variedad reacciona de manera distinta frente al efecto del clima, teniendo requerimientos propios de cada especie.

Los resultados obtenidos en este modelo podrían extrapolarse a otros tipos de cultivos similares dentro del Perú.

“Nosotros no heredamos la Tierra de nuestros padres, la tomamos prestada de nuestros hijos” Antoine de Saint-Exupery

ANEXOS

Anexos


Año

s

2011‐2040 20.778.456,28 15.748.635,19 11.162.698,58

2040‐2070 28.999.035,94 14.987.433,04 6.465.108,50

2070‐2100 25.648.522,89 8.441.105,44 2.018.601,31

2011‐2100 75.426.015,11 39.177.173,68 19.646.408,39

Estimación final de las pérdidas económicas por períodos a precios constantes (S/.)de la producción de papa en la cuenca del río Santa, escenario A2 para el Modelo panel de termoperíodo.

Producción del cultivo de papa estimado para el año 2100, según Modelo panel de termoperíodo escenario A2.


Año

s

2011‐2040 20.664.405 15.659.592 11.097.129

2040‐2070 28.800.008 14.889.310 1.981.060

2070‐2100 25.958.843 8.528.856 2.035.183

2011‐2100 75.423.257 39.077.759 15.113.371

Estimación final de las pérdidas económicas por períodos a precios constantes (S/.)de la producción de papa en la cuenca del río Santa, escenario B2 para el Modelo panel de termoperíodo.

Producción del cultivo de papa estimado para el año 2100, según Modelo panel de termoperíodo escenario B2.

Anexos

Resultados

Resultados de la regresión del Modelo panel de termoperíodo.

1/ En estas estimaciones se incluyó la opción de MCG: Cross-Section Sur y los errores robustos: White Cross- Section brindado por Eviews7.

Variable Dependiente: PROD

Variable CoeficienteError estandard t-Estadístico Prob.

C 8.503849 3.792942 2.242019 0.0280PREAL(-2) 1.670156 0.390779 4.273913 0.0001

TERMOPERIODO 0.702526 0.118136 5.946751 0.0000TERMOPERIODO^2 -0.017142 0.002454 -6.984095 0.0000

AR(1) 0.948626 0.032244 29.42063 0.0000

Estadísticos

R-cuadrado 0.921667Promedio de la variable

dependiente 16.48425R-cuadrado ajustado 0.917315F-estadístico 211.7878 Estadístico Durbin-Watson 2.276731Prob(F-estadístico) 0.000000


Producción de papa versus termoperíodo en la cuenca del Río Santa según modelo Panel5.

Resultados


Estación ParámetroParámetro F Fischer

Calculado Fc Tabular Ft Relación Resultados Recomendación

Yungay

Temperatura mínima 0,621888745 1,48 Fc <Ft

S1 y S2 homogén

eas

No corregir período dudoso

Precipitación 3,064110331 1,48 Fc >FtS1 y S2 no

homogéneas

Corregir período dudoso

Cabana

Temperatura mínima 1,164122145 2,04 Fc <Ft

S1 y S2 homogén

eas


Precipitación 2,344921119 2,04 Fc >FtS1 y S2 no

homogéneas


Cachicadán Temperatura mínima 0,817815432 1,48 Fc <Ft

S1 y S2 homogén

eas


Pomabamba Precipitación 0,538446757 1,48 Fc <FtS1 y S2

homogéneas




Estación ParámetroParámetro t student

Calculado Tc Tabular Tt Relación Resultados Recomendación

Yungay

Temperatura mínima -157,169607 1,645 |Tc| >Tt

X1 y X2 no homogén

easCorregir período dudoso

Precipitación -31,3132095 1,645 |Tc| >TtX1 y X2 no

homogéneas


Cabana

Temperatura mínima -27,8540266 1,66 |Tc| >Tt

X1 y X2 no homogén


Precipitación -17,8547122 1,66 |Tc| >TtX1 y X2 no

homogéneas


Cachicadán Temperatura mínima 35,45226675 1,645 |Tc| >Tt

X1 y X2 no homogén


Pomabamba Precipitación 10,67339824 1,645 |Tc| >TtX1 y X2 no

homogéneas



Completación de datos meteorológicos

Temperatura máxima Pomabamba-Cabana

Pomabamba Cabana

AñosTmaxenero

Tmaxfebrero

T maxanual

Tmaxenero

Tmaxfebrero

T maxanual

1997 24,6 23,9 26,2 17,38 17,04 19,78

1998 25,4 25,4 27,2 17,29 17,73 20,23

1999 24 23 25,6 17,44 16,62 19,51

2000 25 22 25,6 17,33 16,17 19,51

2001 22,7 23,97 26 17,59 17,07 19,69

2002 25,4 24,25 25,6 17,29 17,20 19,51

2003 24,4 23,1 26,2 18,06 18,06 19

2004 25,8 24 25,8 17 16 20

2005 26,9 25,7 26,9 17 19,2 21,5

2006 24,5 25,8 26,6 17,6 17,2 20,6

2007 23,9 24,8 26,8 17 17,8 19

2008 22,6 24,4 25,8 17,6 16,8 20

2009 24,7 23 27 17,5 16 20

2010 24,8 26,4 26,4 17,2 18 19

“valoración económica del impacto de la temperatura y ...€¦ · 2010 2014 2018 2022 2026 2030...

Documents